Automatizzare la verifica documentale dentro un backend .NET enterprise
Come integro l'AI nei servizi .NET enterprise di Studium Group — trasformando la revisione manuale dei documenti in una pipeline automatizzata, osservabile e affidabile che scala.
La verifica documentale enterprise è uno di quei task che sembra banale in una demo ed è brutale in produzione. Una demo verifica un PDF pulito. La produzione verifica diecimila documenti al mese, che arrivano come scansioni, foto storte, PDF ri-esportati e ogni tanto un file che è tecnicamente un foglio Excel rinominato in .pdf. Il team umano che lo faceva in Studium Group era accurato ma lento, e la coda cresceva soltanto. Il mio lavoro era costruire un sistema di verifica basato su AI che sia veloce senza mai sbagliare con sicurezza.
Il sistema vive dentro il backend .NET enterprise, non accanto ad esso. È una scelta architetturale deliberata. Il servizio di verifica è un componente .NET di prima classe che il resto dell'applicazione chiama tramite un contratto tipato, come chiama qualsiasi altro servizio interno. L'AI è un dettaglio implementativo dietro quel contratto. Nessuno a monte deve sapere se un dato controllo è una regex, un cross-reference sul database o un'inferenza del modello: chiamano Verify(document) e ottengono un verdetto, una confidence e la lista dei campi che hanno guidato la decisione.
La pipeline ha quattro stadi. L'estrazione tira fuori i campi strutturati da qualsiasi formato. La validazione applica le regole deterministiche — date nel range, totali che tornano, campi obbligatori presenti. Il cross-check riconcilia i dati estratti con il sistema di record nel database, perché la maggior parte delle frodi e degli errori onesti si manifesta come mismatch tra il documento e ciò che l'azienda già sa. Lo stadio finale produce un verdetto con confidence calibrata e — cosa cruciale — instrada tutto ciò che è sotto soglia a un umano, con evidenziati i campi che hanno generato il dubbio.
Quest'ultima decisione di design è tutto il gioco. Un'automazione che sostituisce del tutto gli umani è un rischio: il giorno in cui sbaglia con sicurezza fa danni reali e nessuno se ne accorge. Un'automazione che sa quando non sa è un asset: sblocca l'85% dei documenti ovviamente a posto e passa il 15% difficile a un umano con il ragionamento allegato, così l'umano impiega trenta secondi invece di cinque minuti.
Le lezioni ingegneristiche qui non riguardano il modello. Riguardano integrazione e osservabilità. Ogni decisione è loggata con input, confidence ed esito, così misuriamo i tassi di falso-accetto e falso-rifiuto nel tempo e tariamo la soglia sul costo di business reale. Performance, scalabilità e affidabilità erano requisiti espliciti dal giorno uno. È questo che significa davvero "AI applicata in un backend enterprise": l'intelligenza è il facile 20%, e l'idraulica robusta e osservabile intorno è l'80% che decide se va in produzione.